一种基于图像的燃气轮机叶型参数测量方法

doi:10.12096/j.2096-4528.pgt.21146

发电技术 ›› 2024, Vol. 45 ›› Issue (1): 106-112.DOI: 10.12096/j.2096-4528.pgt.21146

一种基于图像的燃气轮机叶型参数测量方法

崔则阳¹^,²^,³^,⁴, 孔祥玲², 付经伦¹^,²^,³^,⁴, 施佳君²

^1.中国科学院工程热物理研究所先进燃气轮机实验室，北京市海淀区 100190
^2.中科;南京未来能源系统研究院燃气轮机数字化中心，江苏省南京市 210000
^3.中国科学院大学，北京市海淀区 100000
^4.中国科学院大学南京学院，江苏省南京市 210000

收稿日期:2022-01-07 出版日期:2024-02-29 发布日期:2024-02-29
作者简介:崔则阳(1984)，男，硕士研究生，研究方向为燃气轮机数字化、图像处理，cuizeyang21@mails.ucas.ac.cn；
孔祥玲(1984)，女，博士，副研究员，从事机器人运动控制、机器视觉、最优化理论及应用、路径优化控制等方面的研究，本文通信作者，kongxiangling@njiet.cn；
付经纶 (1979)，女，博士，研究员，研究方向为燃气轮机透平强耦合机理研究及数字化，Email:fujl@iet.cn
施佳君 (1990)，女，硕士，研究方向为燃气轮机总体性能设计与分析。
基金资助:
国家自然科学基金项目(51377011)

An Image-Based Turbine Blade Parameter Inspection Method

Zeyang CUI¹^,²^,³^,⁴, Xiangling KONG², Jinglun FU¹^,²^,³^,⁴, Jiajun SHI²

^1.Advanced Gas Turbine Laboratory, IET, CAS, Haidian District, Beijing 100190, China
^2.Gas Turbine Digitalization Research Center, Nanjing Institute of Future Energy System, Nanjing 210000, Jiangsu Province, China
^3.University of Chinese Academy;of Sciences, Haidian District, Beijing 100000, China
^4.University of Chinese Academy of Sciences, Nanjing 210000, Jiangsu Province, China

Received:2022-01-07 Published:2024-02-29 Online:2024-02-29
Supported by:
National Natural Science Foundation of China(51377011)

摘要/Abstract

摘要：

叶型参数的准确测量是实现叶片性能诊断和逆向建模的关键步骤。为了提高叶型参数的测量效率，提出了一种基于图像的参数提取方法。首先，采用骨架提取算法对叶片中弧线进行定位；然后，通过拟合计算获得中弧线函数及叶型厚度分布；最后，采用优化算法提高叶型参数辨识精度。实验结果表明，所提出的基于图像的叶型测量方法具有较高的准确性，测量相对误差小于1.5%，且应用方便、灵活，为叶片几何参数的快速、准确测量提供了新的解决方法。

关键词: 燃气轮机, 叶型参数测量, 图像处理, 骨架提取

Abstract:

Accurate inspection of the feature parameters of the blade is a pivotal step to conduct the performance diagnosis and reverse modeling. To improve the inspection efficiency, an image-based parameter inspection method was proposed. First, the skeleton extraction algorithm was used to locate the middle arc of the blade. Then, the middle arc function and the blade thickness distribution function were obtained by the 3-order polynomial curve fitting algorithms. Finally, an optimization algorithm was derived to improve the inspection accuracy. Experimental results show that the proposed image-based feature parameter inspection method has high accuracy, and the relative measurement error is less than 1.5%. It provides a new solution for the rapid and accurate measurement of blade geometric parameters.

Key words: gas turbine, blade parameter inspection, image processing, skeleton extraction

中图分类号:

TK 05

崔则阳, 孔祥玲, 付经伦, 施佳君. 一种基于图像的燃气轮机叶型参数测量方法[J]. 发电技术, 2024, 45(1): 106-112.

Zeyang CUI, Xiangling KONG, Jinglun FU, Jiajun SHI. An Image-Based Turbine Blade Parameter Inspection Method[J]. Power Generation Technology, 2024, 45(1): 106-112.

图/表 13

图1 基于图像的叶型参数测量方法步骤

Fig. 1 Steps of the proposed image-based blade parameter inspection method

图2 背景点、内部点和轮廓点定义

Fig. 2 Definitions of background point, internal point and contour point

图3 叶片叶型参数

Fig. 3 Feature parameters of the blade

图4 叶片骨架提取

Fig. 4 Skeleton extraction for a blade image

图 5 图像采集环境

Fig. 5 Experimental setting for image acquisition

图4 基于图像的叶片叶型关键参数测量软件界面

Fig. 4 Software interface of the proposed image-based blade feature parameter inspection method

表1 某型叶片叶型关键参数

Tab. 1 Feature parameters of a blade

参数	L/mm	R_f/mm	R_r/mm	R_max/mm	P_max/mm	T/mm	α_f/(°)	α_r/(°)
真实值	70	3	2	8	25	24	45	40

图6 叶型图像预处理

Fig. 6 Preprocessing for the turbine blade image

表2 叶型参数测量结果与真实值误差分析

Tab. 2 Error analysis between the inspected feature parameters and the standard values

叶型参数	真实值	测量值	绝对误差
L/mm	70	68.41	1.59
R_f/mm	3	3.07	0.07
R_r/mm	2	1.99	0.01
R_max/mm	8	7.84	0.16
P_max/mm	25	23.49	1.51
T/mm	24	24.41	0.41
α_f/(°)	45	42.10	2.90
α_r/(°)	40	40.05	0.05

图7 基于测量值重建叶型与原图叶型对比

Fig. 7 Comparison between the original and the turbine blade reconstruction using inspected feature parameters

图8 参数优化过程收敛性

Fig. 8 Convergence of the feature parameter optimization

表3 叶型参数优化结果与真实值误差分析

Tab. 3 Error analysis between the optimized feature parameters and the standard values

叶型参数	真实值	优化值	绝对误差
L/mm	70	70.02	0.02
R_f/mm	3	3.04	0.04
R_r/mm	2	2.02	0.02
R_max/mm	8	8.01	0.01
P_max/mm	25	24.81	0.19
T/mm	24	23.89	0.11
α_f/(°)	45	45.42	0.42
α_r/(°)	40	39.41	0.59

图9 基于优化值重建叶型与原图叶型对比

Fig. 9 Comparison between the original and the turbine blade reconstruction using optimized feature parameters

参考文献 27

1	薛晓东，韩巍，王晓东，等．适合分布式冷热电联供系统的中小型发电装置[J]．发电技术，2020，41(3)：252-260． doi:10.12096/j.2096-4528.pgt.20031
	XUE X D， HAN W， WANG X D，et al ．Small and medium-scale power generation devices suiting for distributed combined cooling， heating and power system[J]．Power Generation Technology，2020，41(3)：252-260． doi:10.12096/j.2096-4528.pgt.20031
2	白明亮，张冬雪，刘金福，等．基于深度自编码器和支持向量数据描述的燃气轮机高温部件异常检测[J]．发电技术，2021，42(4)：422-430． doi:10.12096/j.2096-4528.pgt.21021
	BAI M L， ZHANG D X， LIU J F，et al ．Anomaly detection of gas turbine hot components based on deep autoencoder and support vector data description[J]．Power Generation Technology，2021，42(4)：422-430． doi:10.12096/j.2096-4528.pgt.21021
3	刘志坦，姚杰，庄柯，等．燃气轮机与燃煤机组SCR脱硝催化剂特性比较[J]．中国电力，2021，54(6)：145-152．
	LIU Z T， YAO J， ZHUANG K，et al ．Comparison of characteristics of SCR-DeNO _x catalyst for gas-turbine units and coal-fired units[J]．Electric Power，2021，54(6)：145-152．
4	和萍，宫智杰，靳浩然，等．高比例可再生能源电力系统调峰问题综述[J]．电力建设，2022，43(11)：108-121． doi:10.12204/j.issn.1000-7229.2022.11.011
	HE P， GONG Z J， JIN H R，et al ．Review of peak-shaving problem of electric power system with high proportion of renewable energy[J]．Electric Power Construction，2022，43(11)：108-121． doi:10.12204/j.issn.1000-7229.2022.11.011
5	张程，匡宇，刘佳静，等．考虑需求侧管理的风光燃储微网两阶段优化调度[J]．电力系统保护与控制，2022，50(24)：13-22．
	ZHANG C， KUANG Y， LIU J J，et al ．Two-stage optimal scheduling of a wind， photovoltaic， gas turbine， fuel cell and storage energy microgrid considering demand-side management[J]．Power System Protection and Control，2022，50(24)：13-22．
6	娄清辉，高元，曹威，等．分布式能源系统微型燃气轮机气耗特性[J]．分布式能源，2023，8(5)：77-82．
	LOU Q H， GAO Y， CAO W，et al ．Gas consumption characteristics of micro gas turbines in distributed energy systems[J]．Distributed Energy，2023，8(5)：77-82．
7	马瑞，杨汉，吕振华，等．电-气互联下燃气状态对电力系统小干扰稳定的影响[J]．电力科学与技术学报，2021，36(1)：3-12． doi:10.19781/j.issn.1673-9140.2021.01.001
	MA R， YANG H， LÜ Z H，et al ．Research on the impact of gas status on small signal stability of power system for combined electricity and gas system[J]．Journal of Electric Power Science and Technology，2021，36(1)：3-12． doi:10.19781/j.issn.1673-9140.2021.01.001
8	黄智，李凯，赵燎，等．航空发动机叶片型面轮廓光学测量技术现状及发展趋势[J]．航空制造技术，2018，61(22)：28-35． doi:10.16080/j.issn1671-833x.2018.22.028
	HUANG Z， LI K， ZHAO L，et al ．Current technique and development trend of optical measurement of aero-engine blade profile[J]．Aeronautical Manufacturing Technology，2018(22)：28-35． doi:10.16080/j.issn1671-833x.2018.22.028
9	刘长春，关淳，郭魁俊，等．汽轮机长叶片颤振预测方法[J]．发电技术，2021，42(4)：500-508． doi:10.12096/j.2096-4528.pgt.21001
	LIU C C， GUAN C， GUO K J，et al ．Flutter prediction method for long blade of steam turbine[J]．Power Generation Technology，2021，42(4)：500-508． doi:10.12096/j.2096-4528.pgt.21001
10	陈非凡，强锡富．汽轮机叶片叶型测量综述[J]．航空计测技术，1995，15(3)：3-4．
	CHEN F F， QIANG X F ．Overview on profile measurement of turbine blade[J]．Aviation Metrology & Measurement Technology，1995，15(3)：3-4．
11	王军．航空发动机叶片三维轮廓测量方法研究[D]．北京：中国科学院研究生院，2005．
	WANG J ．Study on measurement of 3D photography in aero engine vane[D]．Beijing：Chinese Academy of Sciences，2005．
12	蔺小军，单晨伟，王增强，等．航空发动机叶片型面三坐标测量机测量技术[J]．计算机集成制造系统，2012，18(1)：125-131． doi:10.1080/18756891.2015.1129592
	LIN X J， SHAN C W， WANG Z Q，et al ．Measurement techniques of coordinate measuring machine for blade surface of aero-engine[J]．Computer Integrated Manufacturing Systems．2012，18(1)：125-131． doi:10.1080/18756891.2015.1129592
13	陈凯云，谢晓芹，叶佩青．航空压气机叶片型面在线激光测量系统设计[J]．制造技术与机床，2004(8)：54-57． doi:10.3969/j.issn.1005-2402.2004.08.014
	CHEN K Y， XIE X Q， YE P Q ．Design on on-line laser measurement system for vane of aero-engine compressor[J]．Manufacturing Technology & Machine Tool，2004(8)：54-57． doi:10.3969/j.issn.1005-2402.2004.08.014
14	庞国鑫．基于双目结构光的航空发动机叶片在线测量技术研究[D]．武汉：华中科技大学，2020． doi:10.1016/j.ast.2020.105951
	PANG G X ．Research on on-line measurement technology of aero-engine blade based on binocular structure light[D]．Wuhan：Huazhong University of Science and Technology，2020． doi:10.1016/j.ast.2020.105951
15	孔祥玲，付经伦．基于计算机视觉的三维重建技术在燃气轮机行业的应用及展望[J]．发电技术，2021，42(4)：454-463． doi:10.12096/j.2096-4528.pgt.21031
	KONG X L， FU J L ．Computer-vision based on three-dimensional reconstruction technology and its applications in gas turbine industry[J]．Power Generation Technology，2021，42(4)：454-463． doi:10.12096/j.2096-4528.pgt.21031
16	张丽果．快速非局部均值滤波图像去噪[J]．信号处理，2013，29(8)：1043-1049． doi:10.3969/j.issn.1003-0530.2013.08.018
	ZHANG L G ．Fast non-local mean for image denoising[J]．Journal of Signal Processing，2013，29(8)：1043-1049． doi:10.3969/j.issn.1003-0530.2013.08.018
17	仇梓峰，王爽心，李蒙．基于无人机图像的风力发电机叶片缺陷识别[J]．发电技术，2018，39(3)：277-285． doi:10.12096/j.2096-4528.pgt.2018.043
	QIU Z F， WANG S X， LI M ．Defect detection of wind turbine blade based on unmanned aerial vehicle-taken images[J]．Power Generation Technology，2018，39(3)：277-285． doi:10.12096/j.2096-4528.pgt.2018.043
18	GONZALEZ R C， WOODS R E ．Digital imaging processing[M]．Beijing：Publishing House of Electronics Industry，2011．
19	张聪聪，牟莉．基于机器视觉的图像边缘检测算法研究[J]．国外电子测量技术，2020，39(12)：80-85．
	ZHANG C C， MOU L ．Research on image edge detection algorithm based on machine[J]．Foreign Electronic Measurement Technology，2020，39(12)：80-85．
20	阮秋琦．数字图像处理学[M]．北京：电子工业出版社，2007：171-175． doi:10.1109/icip.2007.4378914
	RUAN Q Q，Digital image processing[M]．Beijing：Publishing House of Electronics Industry，2007：171-175. doi:10.1109/icip.2007.4378914
21	李建华．二维条码图像处理算法及其VLSI设计研究[D]．成都：电子科技大学，2013．
	LI J H ．Research on two-dimensional barcode image processing algorithm and its VLSI design[D]．Chengdu：University of Electronic Science and Technology of China，2013．
22	赵于前．基于数学形态学的医学图像处理理论与方法研究[D]．长沙：中南大学，2006． doi:10.1109/icosp.2006.346031
	ZHAO Y Q ．Research on medical images processing theories and methods based on mathematical morphology[D]．Changsha：Central South University，2006． doi:10.1109/icosp.2006.346031
23	SUZUKI S ．Topological structural analysis of digitized binary images by border following[J]．Computer Vision Graphics & Image Processing，1985，30(1)：32-46． doi:10.1016/0734-189x(85)90016-7
24	SAEED K， RYBNIK M， TABEDZKI M ．Implementation and advanced results on the non-interrupted skeletonization algorithm[C]//Computer Analysis of Images & Patterns，International Conference．Caip Warsaw，Poland：Springer-Verlag，2001：601-609． doi:10.1007/3-540-44692-3_72
25	朱林，王龙．一种透平钻具叶片叶型参数化设计方法[J]．机械研究与应用，2015，28(4)：174-176．
	ZHU L， WANG L ．A Method of parametric design for turbine drill blade profile[J]．Mechanical Research & Application，2015，28(4)：174-176．
26	毛晨丽．航空发动机叶片截面特征参数检测[D]．天津：天津大学，2016．
	MAO C L ．Inspection of aero engine blade cross-sectional feature parameters[D]．Tianjin：Tianjin University，2016．
27	王贵峰．基于凸组合的列文伯格-马夸尔特算法[J]．商丘师范学院学报，2019，35，(3)：18-21． doi:10.3969/j.issn.1672-3600.2019.03.005
	WANG G F ．A Levenberg-Marquardt algorithm based on convex combination[J]．Journal of Shangqiu Normal University，2019，35(3)：18-21． doi:10.3969/j.issn.1672-3600.2019.03.005

[1]	冯福媛, 李童宇, 李博, 陈衡, 潘佩媛, 徐钢, 刘彤. 基于气化和热解的医疗垃圾-废旧轮胎联合资源化利用系统性能分析[J]. 发电技术, 2024, 45(4): 611-621.
[2]	杨旸, 李耀强, 张金琦. 基于数值方法的燃气轮机贫预混旋流燃烧室单头部结构设计[J]. 发电技术, 2023, 44(5): 712-721.
[3]	杨旸, 郭德三, 李耀强, 张金琦. 燃气轮机贫预混多旋流组合燃烧室头部结构设计[J]. 发电技术, 2023, 44(2): 183-192.
[4]	张弘毅, 曲立涛. 9F级燃机选择性催化还原脱硝数值模拟研究与应用[J]. 发电技术, 2023, 44(1): 78-84.
[5]	金云峰, 刘超, 邓高峰, 关运龙, 郝建刚, 黄海舟, 蒋东翔. 燃气轮机进气过滤系统维修周期经济性分析[J]. 发电技术, 2022, 43(1): 119-125.
[6]	白明亮, 张冬雪, 刘金福, 刘娇, 于达仁. 基于深度自编码器和支持向量数据描述的燃气轮机高温部件异常检测[J]. 发电技术, 2021, 42(4): 422-430.
[7]	孔祥玲, 付经伦. 基于计算机视觉的三维重建技术在燃气轮机行业的应用及展望[J]. 发电技术, 2021, 42(4): 454-463.
[8]	邱彬, 付经伦. 燃气轮机排气扩压器研究现状[J]. 发电技术, 2021, 42(4): 437-446.
[9]	魏凯, 罗忠, 孙永航, 王宇. 燃气轮机带阀片引射混合器内流特性分析[J]. 发电技术, 2021, 42(4): 431-436.
[10]	朱华, 严彪, 刘雨松, 李亮. 湿空气透平冷却技术研究[J]. 发电技术, 2021, 42(4): 412-421.
[11]	管金, 何宗泽, 吕小静, 翁一武. 30kW微型燃气轮机发电机组启动实验研究[J]. 发电技术, 2021, 42(4): 404-411.
[12]	金云峰, 刘超, 邓高峰, 关运龙, 田鑫, 黄海舟, 蒋东翔. 燃气轮机进气压差建模方法研究[J]. 发电技术, 2021, 42(4): 395-403.
[13]	黄友华, 马善为, 刘吉, 武正华. 燃气轮机烟气SCR脱硝系统优化设计与工程应用[J]. 发电技术, 2021, 42(3): 350-356.
[14]	方继辉,王荣. 重型F级燃气轮机IGV开度对压气机效率的影响[J]. 发电技术, 2020, 41(3): 317-319.
[15]	仇梓峰,王爽心,李蒙. 基于无人机图像的风力发电机叶片缺陷识别[J]. 发电技术, 2018, 39(3): 277-285.

一种基于图像的燃气轮机叶型参数测量方法

An Image-Based Turbine Blade Parameter Inspection Method

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

图/表 13

参考文献 27

相关文章 15

编辑推荐

Metrics